| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-14页 |
| ·研究的背景及意义 | 第9-10页 |
| ·数据隐私保护研究现状 | 第10-11页 |
| ·本文主要工作 | 第11-12页 |
| ·本文章节安排 | 第12-14页 |
| 2 隐私保护的匿名化方法 | 第14-18页 |
| ·匿名模型 | 第14-15页 |
| ·匿名模型的实现技术和算法 | 第15-17页 |
| ·匿名化数据质量度量 | 第17页 |
| ·本章小结 | 第17-18页 |
| 3 抵制分类型敏感属性近似攻击的(k,ε)-匿名模型 | 第18-30页 |
| ·引言 | 第18-19页 |
| ·(k,ε)-匿名模型 | 第19-21页 |
| ·(k,ε)-KACA算法 | 第21-24页 |
| ·匿名数据质量评估 | 第24-25页 |
| ·信息损失度量 | 第24页 |
| ·匿名数据多样度的度量 | 第24-25页 |
| ·实验结果与分析 | 第25-29页 |
| ·信息损失量评估 | 第26-27页 |
| ·算法效率评估 | 第27-28页 |
| ·平均多样度比较分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 抵制近似攻击的隐私保护(l,e)-diversity模型 | 第30-38页 |
| ·引言 | 第30-31页 |
| ·(l,e)-diversity匿名模型 | 第31-32页 |
| ·匿名数据质量评估 | 第32-33页 |
| ·信息损失度量 | 第32-33页 |
| ·匿名数据多样度的度量 | 第33页 |
| ·最大桶分组算法 | 第33-35页 |
| ·实验结果与分析 | 第35-37页 |
| ·信息损失量评估 | 第35-36页 |
| ·算法效率评估 | 第36页 |
| ·平均多样度比较分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 5 面向多敏感属性近似攻击的(l,e,m)-diversity模型 | 第38-49页 |
| ·引言 | 第38-40页 |
| ·(l,e,m)-diversity匿名模型 | 第40页 |
| ·算法 | 第40-42页 |
| ·质量评估 | 第42-43页 |
| ·信息损失量评估 | 第42-43页 |
| ·匿名数据多样度的度量 | 第43页 |
| ·实验与结果分析 | 第43-47页 |
| ·隐匿率分析 | 第44-45页 |
| ·附加信息损失分析 | 第45-46页 |
| ·运行时间分析 | 第46-47页 |
| ·平均多样度比较分析 | 第47页 |
| ·本章小结 | 第47-49页 |
| 6 总结及展望 | 第49-51页 |
| ·工作总结 | 第49页 |
| ·今后的工作展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读学位期间取得的研究成果 | 第57-58页 |
| 致谢 | 第58-60页 |
